删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

中国城镇居民生活能源消费影响因素及其效应分析——基于八区域的静态面板数据模型

本站小编 Free考研考试/2021-12-29

刘满芝, 刘贤贤
中国矿业大学管理学院,徐州 221116

Factors affecting Chinese urban household energy consumption and spatial differences based on static panel data modelling for eight regions

LIUManzhi, LIUXianxian
School of Management,China University of Mining and Technology,Xuzhou 221116,China
收稿日期:2016-07-7
修回日期:2016-09-26
网络出版日期:2016-12-20
版权声明:2016《资源科学》编辑部《资源科学》编辑部
基金资助:

中国博士后科学基金面上资助项目（2014M551708）

江苏省社会科学基金项目（15JD037）

江苏省高校哲学社会科学基金项目（2015SJD435）

作者简介:
-->作者简介：刘满芝,女,江苏徐州人,博士,副教授,研究方向为能源经济与管理、营销工程。liumanzhi@cumt.edu.cn

展开

摘要
探究城镇居民生活能源消费的影响因素可为引导城镇居民生活能源合理消费提供依据。本文以中国八大区域为研究对象,建立静态面板数据模型挖掘2000-2013年节能政策、居民实际消费支出、能源价格对城镇居民生活能耗的影响。研究结果显示：城镇居民生活能耗与居民实际消费支出、能源价格、节能政策之间存在长期协整关系;能源价格对城镇居民生活能耗的影响最大,且具有显著负向作用,而实际消费支出对生活能耗具有显著正向作用,但城镇居民生活能源消费增长速度小于实际消费支出增长速度;节能政策的滞后期为2年,即政策颁布2年后对生活能耗具有一定抑制作用但该作用较小;由于经济发展水平及环境气候引起的居民取暖制冷需求的不同,节能政策、实际消费支出、能源价格对于生活能耗的影响呈现出显著的空间差异。由此建议：应通过调整居民实际消费支出结构、适当提高能源价格、加强节能政策的宣传与执行等方式降低生活能耗。

关键词：城镇生活能源消费;消费支出;能源价格;节能政策;静态面板数据模型;中国
Abstract
Exploring the factors that influence urban household energy consumption provides a basis for the reasonable energy consumption of urban residents in China. Based on eight regions in China （Beijing-Tianjin region,northeast region,northern coastal region,southern coastal region,eastern coastal region,central region,southwest region,northwest region）we establish a static panel data model to analyze the impact of actual consumption expenditure,energy price and energy saving policy on the energy consumption of urban residents from 2000 to 2013. We found a long-term cointegration relationship between urban household energy consumption and actual consumption,energy prices and energy saving policy. Energy price has the greatest negative effect on the energy consumption of urban residents. Actual consumption expenditure has a significant positive effect on household energy consumption,and its growth rate is greater than urban household energy consumption. The lag period of energy saving policy is two years,in other words,energy saving policy has a certain effect on household energy consumption after two years but the effect is small. Due to the level of economic development,household energy is mainly used in heating and cooling （climate becomes a key factor influencing residential energy consumption）and the effects of energy saving policy,actual consumption expenditure and energy price on household energy consumption show spatial differences. Since the level of economic development and energy saving policy both play an important role in household energy consumption,we should reduce urban household energy consumption by adjusting the structure of household consumption expenditure,increasing the price of energy,and strengthening advocacy and implementation of energy saving policy.

Keywords：urban household energy consumption;consumption expenditure;energy price;policy;static panel data model;China

-->0
PDF (1378KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
刘满芝, 刘贤贤. 中国城镇居民生活能源消费影响因素及其效应分析——基于八区域的静态面板数据模型[J]. , 2016, 38(12): 2295-2306 https://doi.org/10.18402/resci.2016.12.09
LIU Manzhi, LIU Xianxian. Factors affecting Chinese urban household energy consumption and spatial differences based on static panel data modelling for eight regions[J]. 资源科学, 2016, 38(12): 2295-2306 https://doi.org/10.18402/resci.2016.12.09

1 引言

居民在衣食住、炊事、照明、取暖、文化娱乐等生活活动中所产生的能源消耗被称为生活能源消费^[1]。生活能源消费量是反映一国经济发展速度和人民生活水平的重要指标^[2]。随着经济飞速发展与人民生活水平大幅提高,作为终端能源消费的生活用能不断增加。由于人口众多,中国居民生活能源消费量巨大,在2014年已达到47 212万t标煤,占据能源消费总量的11.09%,位居能耗第二位,与2000年相比年均增长率达到7.71%^[3]。生活能源消费对温室气体排放大量增加以及能源消耗总量快速增长的影响不容小觑。针对近年来全球气候变暖与灾害性天气频发等问题,2015年的巴黎世界气候大会达成了世界气候新协定,减少能源消耗、控制温室气体排放已成为世界各国、社会各界亟待解决的热点问题。城镇生活能源消费作为生活能源消费的主要贡献者,从2000年至今始终占据生活能源消费总量的50%~80%^[3],因此对城镇生活能源消费影响因素进行研究,对于减少能源消耗、控制CO₂排放具有重要价值。
在能源消费影响因素方面,国内外对于城镇生活能源消费影响因素的研究较少,而针对能源消费总量影响因素的研究较多。如Yildirim等,Streimi-kiene 等和张伟等对能源消费与经济增长之间关系进行研究后皆发现经济增长对能源消费具有促进作用^[4-6],罗光华等、纪广月等、Al-mulali等和Sun等则对气候变化、城镇化与能源消耗之间的关联性进行了实证研究^[7-10]。随着居民生活能耗的不断增加,生活能源消费及其影响因素方面问题逐渐成为研究热点。近年来,有****从微观层面对生活能源消费进行了研究。如Zhou K运用大数据分析方法分析了个人的能源消费行为,以期为能源效率的提高和能源节约提供建议^[11]。Chattertona等通过对英国室内电度表和车辆里程表数据的研究,对居民直接生活能源消费进行了探索性分析^[12]。Ren等通过建立终端能源和水消费模型模拟了澳大利亚居民生活能源和水消费情景^[13]。Bin等则探讨了居民生活方式对美国能源使用和二氧化碳排放量的影响^[14]。在宏观方面,Yun等探讨了物理、居民行为和经济因素对家庭制冷方面能源消费的影响^[15]。Gu等则使用阿特金森指数作为定量分析工具,系统地评估中国生活能源消费的分配效率^[16]。
在方法选择上,Kelly运用结构方程模型研究了英国住宅部门的能源利用效率^[17]。Black等、贺仁飞等、王文蝶等****则运用面板数据模型对能源消费的影响因素进行了计量经济分析^[18-20]。在影响因子的选择上,陈迅等指出了城镇居民消费支出对生活能源消费的影响^[21]。由于研究对象及时间范围的差异,对生活能源消费及碳排放与能源价格的研究结果尚存在分歧：Nesbakken、Lopes等分别运用计量模型和问卷调查的方法对挪威和日本能源价格与居民生活能源消费量进行研究,发现能源价格是影响能源消费的重要因素^[22,23]。Wu等也通过研究证实了两者呈现负相关关系^[24]。而张志柏和Anker-Nilssen则通过实证分析发现能源价格对能源消费的影响十分有限^[25,26]。在国外,Abrahamse等、Steg则运用实证分析方法对政策按照不同标准进行分类之后探讨政策对节能效果的影响^[27,28]。Yu等通过动态的能源需求管理系统评估了政策计划对于生活能源消费行为的影响^[29]。而国内关于政策与生活能源消费关系的研究大多停留在定性层面^[30,31]。
综观现有研究发现,城镇居民实际消费支出以及政策与居民生活能耗之间具有一定的内在关联,但是国内外相关研究较少,而关于能源价格与能源消费关系的研究尚存在诸多分歧。关于能源消费区域差异的研究主要集中于东、中、西部,但该区域划分方式较笼统且区域内差异较大,本文按照国家信息中心划分标准将中国8大区域作为研究单元,运用面板数据模型探讨居民实际消费支出、政策、能源价格三要素与城镇生活能源消费的内在关联,分析其对城镇居民生活能耗的影响程度并进一步探讨八大区域间的空间差异,借此为政府制定相关政策及居民实施节能行为提供借鉴与参考。

2 研究方法与数据来源

2.1 城镇生活能源消费影响因素分析

根据消费者需求理论和消费者理性行为假设,每一个消费者都会在给定的商品价格、可支配收入或预算约束和消费者的消费偏好下,来选择一定数量的商品组合以使其从消费这些商品中获得最大的满足或效用^[32]。生活能源的消费同样符合消费者需求理论和消费者行为理论的效用最大化假定。依据上述理论假设,本文将影响生活能源消费的主要因素整理如下：
（1）可支配收入或预算约束。凯恩斯的绝对收入理论认为收入是影响消费的关键因素,但是有****认为居民消费支出才是当期实际发生的货币支出,因此用实际消费支出来代替收入研究其对生活能源消费的影响更能反映居民用能的实际情况^[21],因此本文选择实际消费支出代替收入研究其与生活能源消费的关系。
（2）价格因素。消费需求函数的负性表示如果商品或服务价格上升,在保证效用不变的情况下调整收入,那么消费量会下降^[32],可见能源价格的波动同样会对生活能源消费量造成一定影响,因此本文以能源价格作为影响城镇生活能源消费量的因素之一。
（3）政策因素。政策是各个国家引导居民节能行为较常用的工具,主要包括经济型政策（主要有能源价格、能效产品补贴、税收优惠政策）和非经济型政策（如信息宣传教育、信息反馈等）^[33-36],节能政策在一定程度上会影响消费者消费偏好。随着生活能源消费量占能耗总量的比重逐渐增大,如何合理引导居民节能行为、降低居民生活能源消费成为政府关注的焦点问题。因此,本文选择节能政策作为影响居民生活能耗的因素之一。

2.2 模型设定

2.2.1 面板数据模型
面板数据（Panel Data）模型是一类含有横截面、时期和变量三维信息,并可利用平行数量分析变量间相互关系并预测其变化趋势的计量经济模型,可弥补时间序列及截面数据样本容量不足的问题,降低经济变量的共线性,因而在实际经济分析中获得了广泛应用^[6-8,19-21]。面板数据可分为无个体影响的不变系数模型、变截距模型、含有个体影响的变系数模型三种^[37]。
本文在通过F统计量和Hausman统计量检验的基础上,为了避免横截面的异方差和序列的自相关性而造成的结果失真,利用似不相关回归法（SUR）进行回归,并依据变量之间的关系,建立城镇生活能源消费个体固定效应变系数模型。假设在截面成员上既存在个体影响,又存在结构变化,构建的模型见公式（1）：

\begin{matrix} UE C_{it} = α_{i} + β_{1 i} \times U C_{it} + β_{2 i} \times P R_{it} + β_{3 i} \times P O_{it} \\ + u_{it} (i = 1,2, ? N ； t = 1,2, ?, T) \end{matrix}

（1）
式中

\begin{matrix} UE C_{it} \end{matrix}

为第i区域第t年的城镇生活能源消费量;

\begin{matrix} U C_{it} \end{matrix}

为第i区域第t年的城镇居民实际消费支出;

\begin{matrix} P R_{it} \end{matrix}

为第i区域第t年的能源价格;

\begin{matrix} P O_{it} \end{matrix}

为第i区域第t年的节能政策;

\begin{matrix} α_{i} \end{matrix}

为变截距项;

\begin{matrix} β_{1 i} \end{matrix}

、

\begin{matrix} β_{2 i} \end{matrix}

、

\begin{matrix} β_{3 i} \end{matrix}

分别为对应于解释变量

\begin{matrix} U C_{it} \end{matrix}

、

\begin{matrix} P R_{it} \end{matrix}

、

\begin{matrix} P O_{it} \end{matrix}

的变系数;

\begin{matrix} u_{it} \end{matrix}

为随机误差项;N为截面成员个数;T为每个截面成员的观测时期总数。
在研究城镇生活能源消费影响因素时,解释变量中除了定量变量,还包括节能政策这一定性变量。本文引入虚拟变量来估计政策对生活能源消费的影响情况：考虑某一年份政府是否颁布了显著改变居民生活能源消费量的政策措施,对节能政策进行量化,并赋值为0或1,引入的虚拟变量如公式（2）：

\begin{matrix} P O_{it} = \{\begin{matrix} 1 ，政府针对第 i 区域第 t 年颁布了 \\ 显著改善城镇居民生活能源 \\ 消费量政策措施 \\ 0 ，否则 \end{matrix} \end{matrix}

（2）
2.2.2 单位根检验和协整检验
在构建面板数据模型之前,需要对变量的面板数据进行单位根检验和协整检验。
（1）单位根检验。由于宏观经济数据的非平稳性,为避免“伪回归”现象的发生,在建立模型之前需对面板数据进行单位根检验以保证时间序列的平稳性。面板数据单位根检验的方法较多,为保证检验结果的可靠性,本文运用相同根情形下的Levin-Lin-Chu（LLC）、Im-Pesaran-Shin（IPS）和不同根情形下的Fisher-ADF、Fisher-PP4种方法来进行单位根检验,各变量为同阶单整才可进行协整检验^[37]。
（2）协整检验。协整检验用于检验变量之间是否存在长期的均衡关系。Pedroni提出了面板数据协整方法包括维度内检验构造的四个面板统计量和维度间检验构造的三个组统计量^[38]。考虑到本文数据时间序列较短的特性,故采用小样本情况下效果较好的Panel ADF和Group ADF检验,为使检验结果更为稳健,采用Panel PP、Group PP以及Kao在2000年提出的面板数据协整检验方法^[39]。

2.3 数据来源及相关说明

为更深入地对中国不同区域间的差异进行比较,本文按照国家信息中心2005年发布的《中国区域间投入产出表》^[40]的划分方法,将中国大陆31个省、直辖市、自治区划分为八大区域。划分结果为：东北区域,包括黑龙江、吉林、辽宁;京津区域,包括北京、天津;北部沿海区域,包括河北、山东;东部沿海区域,包括江苏、上海、浙江;南部沿海区域,包括福建、广东、海南;中部区域,包括山西、河南、安徽、湖北、湖南、江西;西北区域,包括内蒙古、陕西、宁夏、甘肃、青海、新疆;西南区域,包括四川、重庆、广西、云南、贵州、西藏。需要说明的是,由于数据获取困难,本次研究不包括香港、台湾和澳门。为探讨生活能源消费影响因素并分析八大区域间差异,选取2000-2013年间的城镇居民实际消费支出、能源价格和生活能源消费相关政策年度数据作为影响变量。城镇居民生活能源消费总量由地区能源平衡表中的各省份城镇生活能耗数据计算而得,该数据来源于2001-2014年各年度的《中国能源统计年鉴》^[41];实际消费支出总量由全国居民分地区人均消费支出、分地区年末城镇人口比重、分地区年末人口数三个指标计算而得,CPI为分地区城市居民消费价格指数,以上指标数据均来自于2001-2014年各年度《中国统计年鉴》^[42];能源价格由全国燃料类城市商品零售价格指数表示,该数据来源于国家统计局网站。各变量度量及处理方式如下：
（1）城镇生活能源消费量。将《中国能源统计年鉴》^[41]中生活能源消费的各项能源品种消费量折算成标煤的方法计算出2000-2013年中国29个省份（直辖市、自治区）城镇生活能源消费的总量^[43],记为UEC（万tce）。由于宁夏、西藏自治区、香港澳门特别行政区以及台湾地区数据难以获得,因此将5个地区剔除以保证数据的可比性与连贯性。
（2）城镇居民实际消费支出。居民消费支出才是当期实际发生的货币支出^[21],因此用城镇居民实际消费支出总量指标来衡量城镇居民实际消费支出对生活能源消费的影响。为保证不同年份数据的可比性,实际消费支出以2000年为基期,利用分地区每年居民消费价格指数CPI折算成实际值,记为UC（亿元）。
（3）能源价格。能源价格的提高会增加居民的用能成本。目前由于中国能源价格数据难以获得,有****运用燃料、动力购进价格指数或燃料、动力消费价格指数来代替^[44,45]。而本文研究的是城镇居民生活能源消费问题,因此采用燃料类城市商品零售价格指数来代替能源价格,并将其换算成以2000年为基期的不变值,记为PR。
（4）节能政策。政策通过外部调控和内部引导两个方面影响居民能源消费观念继而影响居民生活能耗^[46]。政府主要通过经济型政策（财政补贴、税收减免等激励政策和价格提高、增加税收等抑制政策）和信息型政策（知识普及、信息传达、宣传教育等）激励居民实施节能行为。近年来中国颁布了多项针对居民领域的节能政策措施,2000-2013年居民领域重要节能政策如表1所示,记为PO。本文对节能政策主观赋值进行量化,因此政策为无量纲变量。
2000-2013年虽然颁布了很多生活能源消费相关政策,但是有些政策覆盖范围和影响力都很有限。表1所列年份颁布的政策均十分显著地影响了中国城镇居民的用能习惯、改变了城镇居民的生活能源消费量,而且实施范围均覆盖至全国,因此将颁布这些政策的年份赋值为1,其他年份赋值为0。对居民消费支出做价格平减后,为了降低数据的波动性以及消除可能存在的异方差现象,除节能政策外对所有数据作对数处理分别记为LUEC、LUC、LPR、PO。
Table 1
表1
表12000-2013年中国居民领域重大节能政策^[47]
Table 1Major energy saving policies in China's residential areas from 2000 to 2013

年份	政策	颁布机构	与居民节能相关的内容
2003	该年份起每年开展“全国节能宣传周”活动	国家发展和改革委员会	开展“全国节能宣传周”活动,宣传节能新技术、新产品的开发成果,普及节能知识,提高全社会节能意识
2004	《节能中长期专项规划》	国家发展和改革委员会	“十大重点节能工程”中提出新建建筑严格实施节能,供热体制改革全面展开,开展既有居住和公共建筑节能改造以及家用及办公电器、照明器具等方面的节能政策
2006	《“十一五”十大重点节能工程实施意见》	科技部、财政部、建设部、国家质检总局、国家环保总局等	“十大重点节能工程”中建筑节能工程和绿色照明工程对居民节能提出了详细要求
2007	《关于印发节能减排全民行动实施方案的通知》	国家发展和改革委员会	通过重塑家庭生活消费新模式、搭建节能减排社区平台、“简约生活”宣讲活动、设立“节能减排家庭、社区行动”网页等形式开展“节能减排家庭社区行动”
2009	《关于开展“节能产品惠民工程”的通知》	财政部、国家发展与改革委员会	对高效节能和新能源产品给予财政补贴,推广“节能产品惠民工程”高效节能房间空调
2012	《节能产品惠民工程高效节能电动洗衣机推广目录》、《节能产品惠民工程高效太阳能热水器推广目录》等	国家发展与改革委员会、财政部、工业和信息化部	为开展“节能产品惠民工程”,中央财政安排363亿元补贴推广节能空调、节能家电、高效照明、节能汽车和高效电机
2013	《关于2013年全国节能宣传周和全国低碳日活动安排的通知》	国家发展与改革委员会	每年开展“全国低碳日活动”,促进全民在生活中节能减排

新窗口打开
资料来源：依据文献[47]整理而得。

3 结果及分析

3.1 面板单位根检验结果

利用Eviews8.0软件对八大区域面板数据的稳定性进行检验,结果如表2所示。由表2可知,多种检验方法显示3个变量的水平值无法拒绝原假设,即3个变量的水平值存在单位根,为非平稳序列;而3个变量的一阶差分均在1%的显著水平上拒绝原假设,因此LUEC、LUC、LPR均为一阶单整的I(1)序列,可继续进行协整分析。
Table 2
表2
表2面板数据单位根检验结果
Table 2Panel unit root test results

统计量	LUEC		LUC		LPR
统计量	水平值	一阶差分	水平值	一阶差分	水平值	一阶差分
LLC	-2.217** （0.013）	-7.435*** （0.000）	-1.579* （0.057）	-5.719*** （0.000）	1.550 （0.939）	-8.936***（0.000）
IPS	-1.234 （0.109）	-5.079*** （0.000）	0.240 （0.595）	-3.168*** （0.001）	1.648 （0.950）	-4.196*** （0.000）
Fisher-ADF	25.588* （0.060）	50.444*** （0.000）	12.018 （0.743）	36.345*** （0.003）	6.679 （0.979）	43.363*** （0.000）
Fisher-PP	31.405** （0.012）	58.695*** （0.000）	8.462 （0.934）	51.318*** （0.000）	6.769 （0.978）	67.356*** （0.000）

新窗口打开
注：①***、**、*分别表示在1%、5%、10%的显著性水平上拒绝原假设;②零假设为序列存在一个单位根。

3.2 面板协整检验结果

变量虽然不平稳但均是同阶单整序列,因此运用Pedroni检验和Kao检验对八大区域各变量之间是否存在长期的协整关系进行检验,结果如表3所示。由表3可知,5个统计量均在1%的显著水平上拒绝原假设,因此认为八大区域城镇生活能源消费量与居民消费支出、能源价格、节能政策之间存在长期均衡关系。
Table 3
表3
表3面板数据协整检验结果
Table 3Panel data cointegration test results

检验方法	检验假设	统计量名	统计量值（P值）
Kao检验	$\begin{matrix} H_{0} \end{matrix}$ ：不存在协整关系 $\begin{matrix} (ρ = 1) \end{matrix}$	ADF	-5.071*** （0.000）
Pedroni检验	$\begin{matrix} H_{0} ： ρ_{i} = 1 \end{matrix}$ $\begin{matrix} H_{1} ： (ρ_{i} = ρ) < 1 \end{matrix}$	Panel PP	-7.043*** （0.000）
		Panel ADF	-6.515*** （0.000）
	$\begin{matrix} H_{0} ： ρ_{i} = 1 \end{matrix}$ $\begin{matrix} H_{1} ： ρ_{i} < 1 \end{matrix}$	Group PP	-8.768*** （0.000）
		Group ADF	-8.207*** （0.000）

注：①

ρ i

为对应于第i个截面个体的残差自回归系数;②***表示在1%的显著水平上拒绝原假设。

新窗口打开

3.3 面板模型估计结果分析

王红兵等通过向量误差修正模型发现,中国财政政策对能源消费具有较强的调控效果,且存在较长的时滞,有明显的中期化现象^[48]。本文认为政策颁布后需要一段时间的宣传与执行才能产生效果,因此具有滞后效应,通过检验可知滞后2期效果最好,因此选择政策滞后期为2期。最初建立的模型如公式（3）所示：

\begin{matrix} LUE C_{it} = 0.992 + α_{i} + β_{1 i} \times LU C_{i t} \\ + β_{2 i} \times LP R_{it} + β_{3 i} \times P O_{it} + β_{4 i} \times P O_{it - 1} \\ + β_{5 i} \times P O_{it - 2} \end{matrix}

（3）

\begin{matrix} R^{2} = 0.999 ； F = 1 117.937 ； DW = 2.405 \end{matrix}

根据公式（3）的t检验结果可知,

\begin{matrix} P O_{it} \end{matrix}

与

\begin{matrix} P O_{it - 1} \end{matrix}

的系数

\begin{matrix} β_{3 i} \end{matrix}

与

\begin{matrix} β_{4 i} \end{matrix}

较小且大部分区域均未通过t检验,因此剔除

\begin{matrix} P O_{it} \end{matrix}

与

\begin{matrix} P O_{it - 1} \end{matrix}

,重新建立模型如下：

\begin{matrix} LUE C_{it} = 1.875 + α_{i} + β_{1 i} \times LU C_{it} + β_{2 i} \times L P R_{it} \\ + β_{5 i} \times P O_{it - 2} \end{matrix}

（4）

\begin{matrix} R^{2} = 0.999 ； F = 3 793.530 ； DW = 2.188 \end{matrix}

由公式（4）检验结果可知：

\begin{matrix} R^{2} \end{matrix}

与F都较大,说明方程整体拟合效果较好。1.875是固定截距、表示八大区域的平均自发城镇生活能源消费水平,而

\begin{matrix} α_{i} \end{matrix}

作为截距值的一部分,表示第i区域对平均自发城镇生活能源消费（固定截距）的偏离,用来反映八大区域的城镇生活能源消费结构的差异。表4显示,八大区域的

\begin{matrix} α_{i} \end{matrix}

值有正有负,说明中国不同区域之间城镇居民自发生活能源消费差异较大。

\begin{matrix} α_{i} \end{matrix}

正值最大的区域为中国寒冷且取暖量用能较大的东北区域,

\begin{matrix} α_{i} \end{matrix}

为负的区域为中国经济发展水平最高的京津区域（

\begin{matrix} α_{i} \end{matrix}

=-0.476）、东部沿海区域（

\begin{matrix} α_{i} \end{matrix}

=-0.668）以及经济发展水平最低的西北区域（

\begin{matrix} α_{i} \end{matrix}

=-0.439）和西南区域（

\begin{matrix} α_{i} \end{matrix}

=-0.105）;出现这种现象的原因是北京、天津、上海、浙江等经济发达的城市居民受教育程度较高、节能意识较强,加之政府在生活能耗方面的政策宣传比较到位,因此政策执行效果较好,政策在抑制生活能耗方面发挥了显著作用;另外,经济发达的城市节能设施与节能技术发展较为完善,能源利用效率较高,故城镇居民自发生活能源消费较低。而西南西北区域

\begin{matrix} α_{i} \end{matrix}

为负则是因为这些区域经济欠发达、居民工资水平较低因此居民可供支配的实际消费支出较少,且贫困地区的居民会将支出较多地用于满足基本生活需求（衣、食、住、行）方面的消费,而用于满足生活舒适性与便利性的能源消费方面的支出较少,因此西南、西北区域城镇居民自发生活能源消费较低。
表4和图1显示,八大区域中除东部沿海和中部地区外,均呈现绝对值

\begin{matrix} β_{2 i} > β_{1 i} > β_{5 i} \end{matrix}

的特点,说明居民实际消费支出、能源价格、节能政策三因素中,能源价格对城镇居民生活能耗影响最大,实际消费支出其次,政策对于居民生活能耗的影响较小。
Table 4
表4
表4中国各区域固定影响变系数模型估计结果
Table 4Model estimation results of fixed effect variable coefficient

区域	$\begin{matrix} α_{i} \end{matrix}$ 的估计值	$\begin{matrix} β_{1 i} \end{matrix}$ 的估计值	$\begin{matrix} β_{2 i} \end{matrix}$ 的估计值	$\begin{matrix} β_{5 i} \end{matrix}$ 的估计值
京津	-0.476	0.241（3.148）***	-0.769（-4.095）***	-0.057（-2.174）**
东北	0.686	0.156（1.737）*	-0.277（-10.769）***	-0.048（-1.715）*
北部沿海	0.106	0.232（3.534）***	-0.735（-5.103）***	-0.059（-1.421）
东部沿海	-0.668	0.604（9.247）***	-0.308（-2.063）**	-0.022（-1.120）
南部沿海	0.400	0.341（5.295）***	-0.499（-3.650）***	-0.062（-2.078）**
中部	0.496	0.705（7.842）***	-0.052（-0.889）	-0.025（-0.754）
西北	-0.439	-0.332（-1.772）*	-1.665（-2.393）**	-0.034（-1.745）*
西南	-0.105	-0.021（-0.309）	-1.218（-10.359）***	-0.094（-2.391）**

注：①***、**、*分别为在1%、5%、10%的显著性水平上拒绝原假设;②括号内为t统计量值。

新窗口打开

显示原图|下载原图ZIP|生成PPT
图1中国各区域城镇生活能源消费影响因素的弹性系数
-->Figure 1The elastic coefficient of influencing factors of urban household energy consumption
-->

消费支出对城镇生活能源消费影响的空间差异见图2所示。系数

\begin{matrix} β_{1 i} \end{matrix}

为城镇生活能源消费的实际消费支出弹性系数,其大小反映了各区域每增加1%实际消费支出对于城镇居民生活能耗增长率的影响程度。除西南、西北区域（不显著）外,其它六大区域城镇居民实际消费支出对于生活能耗具有显著的正向促进作用,也即支出的增加会引起城镇居民生活用能的增加。西南区域、西北区域的实际消费支出弹性系数虽然为负值,但统计上不显著。关于西南和西北区域的城镇居民实际消费支出与生活能源消费量的关系还需进一步做探究。中部区域实际消费支出对于城镇居民生活能耗影响最大,其实际消费支出弹性系数为0.705,即该区域居民实际消费支出每增加1%,居民生活能耗将增加0.705%。其次为东部沿海地区,其弹性系数为0.604。而取暖或制冷刚性较强的东北、京津、北部沿海和南部沿海的弹性系数较小。八大区域实际消费支出弹性系数均小于1,说明中国城镇居民生活能源消费增长速度小于实际消费支出增长速度。

显示原图|下载原图ZIP|生成PPT
Figure 2中国各区域城镇生活能源消费的消费支出弹性系数
-->The elasticity coefficients of consumption expenditure to urban household energy consumption
注：由于数据获取困难,本次研究不包括香港、台湾和澳门。
-->

图3显示了能源价格对城镇生活能源影响效应的空间差异。系数

\begin{matrix} β_{2 i} \end{matrix}

为城镇生活能源消费的能源价格弹性系数,其值反映了各区域能源价格增加1%对于城镇居民生活能耗的影响程度。八大区域价格弹性系数均小于0,即能源价格对于中国城镇生活能耗具有显著的负向作用：随着能源价格增加,中国城镇居民生活能耗显著降低。西北（

\begin{matrix} β_{2 i} \end{matrix}

=-1.665）、西南（

\begin{matrix} β_{2 i} \end{matrix}

=-1.218）区域的价格弹性系数的绝对值较大,即这些区域城镇居民生活能耗对能源价格的变动较为敏感,这是因为经济欠发达的西南、西北区域城镇居民工资水平较低,加之能源价格上涨会导致物价水平上涨,由此引发的通货膨胀使得居民实际消费水平降低^[49],因此居民会显著减少对于能源产品的购买。寒冷的高纬度区域东北（

\begin{matrix} β_{2 i} \end{matrix}

=-0.277）以及炎热的低纬度区域东部沿海（

\begin{matrix} β_{2 i} \end{matrix}

=-0.308）、南部沿海（

\begin{matrix} β_{2 i} \end{matrix}

=-0.499）价格弹性系数的绝对值较小,即能源价格变动对城镇居民生活能耗的影响较小。这是因为这些区域居民用于取暖或制冷的能源需求量较大,因此即使能源价格上涨,居民为了维持基本的取暖制冷需求,并不会大幅度减少对于能源产品的购买。这种现象的出现也与区域经济发展水平有关,经济发达区域城镇居民收入水平较高,对于价格的变动不敏感。

显示原图|下载原图ZIP|生成PPT
图3中国各区域城镇生活能源消费的能源价格弹性系数
-->Figure 3The elasticity coefficients of consumption expenditure to urban household energy consumption
注：由于数据获取困难,本次研究不包括香港、台湾和澳门。
-->

系数

\begin{matrix} β_{3 i} \end{matrix}

为城镇生活能源消费的政策弹性系数,其值反映了各区域有无生活能源消费相关政策对于城镇居民生活能耗的影响程度。八大区域

\begin{matrix} β_{3 i} \end{matrix}

均小于0,说明政府颁布的生活能源消费相关政策对于居民生活能耗具有抑制作用,但政策从颁布到产生效力需要2年时间。八大区域

\begin{matrix} β_{3 i} \end{matrix}

绝对值均小于0.1,即节能政策对于中国城镇居民生活能耗虽然具有一定的抑制作用但是这种作用较小。分析结果表明中国颁布的居民生活能源相关政策对于降低能源消耗已见成效,但是政策的宣传与执行力度仍需加强。八大区域中生活能源消费量对政策敏感程度最强的是西南区域,其弹性系数为-0.094,而经济总量较大的东部沿海区域政策弹性系数仅为-0.022,可见中国颁布的能源政策对经济欠发达区域的影响力度大于经济发达区域,但是这种差别较小。

4 结论与建议

4.1 结论

通过面板数据模型检验,2000-2013年中国城镇生活能源消费总量与城镇居民实际消费支出总量、能源价格、政策之间存在长期均衡关系,其中能源价格对城镇居民生活能耗影响最大,实际消费支出其次,政策对于居民生活能耗的影响较小。三因素的影响程度在八大区域间存在明显差异。
研究结果显示各区域自发生活能源消费对平均自发能源消费的偏离情况不同,即区域间生活能源消费结构具有显著差异。表现为经济发达的京津、东部沿海区域,经济欠发达的西南、西北区域城镇居民自发生活能源消费较低,其他区域较高。自发生活能源消费最高的为气候寒冷的东北区域。
除西南、西北不显著外,实际消费支出对各区域城镇生活能源消费均具有显著的正向影响,且影响程度具有显著差异。中部区域和东部沿海区域生活能源消费的实际消费支出弹性系数较大,而取暖制冷需求强烈的东北、京津、北部沿海、南部沿海区域弹性系数较小。八大区域实际消费支出弹性系数均小于1,说明中国城镇居民生活能源消费增长速度小于实际消费支出增长速度。
能源价格较之实际消费支出和政策对城镇居民生活能源消费的影响最大,且八大区域能源价格皆对城镇生活能源消费具有显著的负向作用。其中经济欠发达的西南和西北区域城镇生活能耗对能源价格的变化最为敏感。气候寒冷的东北区域以及气候炎热的东部沿海、南部沿海区域城镇居民对能源价格不敏感的主要原因是居民需要维持基本取暖制冷需求,以及这些区域城镇居民可支配收入较高。区域经济发展水平和气候条件均对生活能源消费的价格弹性系数呈现出一定的抑制作用。
政策对城镇居民生活能耗具有显著的负向抑制作用,但是这种作用需要政策颁布2年之后才开始显现且对城镇居民生活能耗的影响较为有限。各区域城镇生活能耗对政策的敏感程度有所不同但差异较小,对政策最为敏感的为经济欠发达的西南区域,而经济总量较大的东部沿海区域最不敏感。

4.2 政策建议

影响居民生活能源消费的主要因素为人口因素、社会经济因素、地理因素以及居民的能源消费观念和偏好,而后者需要通过政府颁布的相应政策进行正确培养与引导。本文主要分析了居民实际消费支出、能源价格和政策对城镇居民生活能源消费的关系及其在八大区域间的变化。
寒冷的东北区域自发生活能源消费水平较高,其与炎热的东部、南部沿海区域居民生活能耗对于能源价格的敏感程度较低,即这些区域城镇居民为满足生活的舒适性需求对于能源的依赖程度较高。为降低居民生活能耗,此区域应优化居民用能结构、推广使用天然气、电力、热力等清洁能源,实施清洁能源替代传统化石能源的工程。
八大区域除中部区域未通过检验以外居民生活能耗均表现出对能源价格较为敏感的特征,因此可通过能源价格的适当调整对居民生活能耗进行调控。政策颁布后需要一段时间的宣传与执行才能产生效果,且居民能源消费观念也需要持续引导才能发生改变,因此政府可通过经济型政策和信息型政策结合实施的方式持续对居民生活能耗同时从外部和内部进行调控,以达到改变居民能源消费观念、引导居民实施节能行为的目的,同时应完善节能政策长期的评价、反馈和优化机制,切实发挥节能政策的效力。
经济欠发达的西南、西北区域城镇居民自发生活能源消费水平较低,居民生活能耗对于能源价格的变化最为敏感,而政策的颁布对于西南区域城镇居民生活能耗影响最大。这说明近年来中国区域协调发展战略以及居民节能政策取得了一定成效。为避免因提高能源价格和实施节能政策而降低西南、西北地区居民的生活水平,国家应继续坚持实施区域协调发展政策,加大西南、西北区域经济发展与公共设施建设力度,通过促进节能技术的进步和推广应用以提高该区域能源利用效率。

4.3 研究展望

本文仅对节能政策进行0~1虚拟量化处理,而未深入分析各类节能政策覆盖范围、效力大小的差异,对影响城镇居民生活能源消费的因素主要考虑了实际消费支出、能源价格和节能政策,而本文结论中指出经济发展水平、气候条件等将间接影响生活能源消费量,此外各区域的能源资源禀赋情况、收入预期可能也对生活能源消费产生一定影响,以上方面作者将在今后开展深入研究。
The authors have declared that no competing interests exist.

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[39]	Kao C.Spurious regression and residual-based tests for coin-tegration in panel data [J]. Journal of Econometrics,1999,90(1):1-44. [本文引用: 1]
[40]	国家信息中心. 中国区域间投入产出表[M]. 北京:社会科学文献出版社,2005. [本文引用: 1] [The State Information Center. China Regional Input-Output Table[M]. Beijing:Social Science Literature Press,2005.] [本文引用: 1]
[41]	中华人民共和国国家统计局. 中国能源统计年鉴(2001-2014)[M].北京:中国统计出版社,2002-2015. [本文引用: 2] [National Bureau of Statistics of China. China Energy Statistics Yearbook(2001-2014)[M]. Beijing:China Statistics Press,2002-2015.] [本文引用: 2]
[42]	中华人民共和国国家统计局. 中国统计年鉴(2001-2014)[M].北京:中国统计出版社,2002-2015. [本文引用: 1] [National Bureau of Statistics of China. China Statistics Yearbook(2001-2014)[M]. Beijing:China Statistics Press,2002-2015.] [本文引用: 1]
[43]	国家发展和改革委员会. 综合能耗计算通则 (GB/T2589-2008)[EB/OL].(2008-06-01)[2016-07-07].URL [本文引用: 1] [National Development and Reform Com-mission. General Principles for Calculation of the Comprehensive Energy Consumption(GB/T2589-2008) [EB/OL].(2008-06-01)[2016-07-07]. URL [本文引用: 1]
[44]	张欢,成金华. 中国能源价格上涨对居民消费水平的影响-基于SVAR模型的研究 [J]. 经济经纬,2011,(4):25-29. [本文引用: 1] [Zhang H,Cheng J H.The effect of Chinese energy price increase on resident consumption level -a research based on the SVAR model [J]. Economic Survey,2011,(4):25-29.] [本文引用: 1]
[45]	贺刚. 能源消费、能源价格与经济增长-基于能源消费大国的经验数据分析 [J]. 价格理论与实践,2008,(12):45-46. [本文引用: 1] [He G.Energy consumption,energy prices and economic growth-based on analysis of empirical data of energy consumption [J]. Price Theory and Practice Analysis of Empirical Data of Energy Con-sumption,2008,(12):45-46.] [本文引用: 1]
[46]	江凌. 我国生活能源消费影响因素的区域比较及政策引导[D] . 大连:大连理工大学,2014. [本文引用: 1] [Jiang L.China's Energy Consum-ption Influence Factors of Regional Comparison and Policy Guidance[D]. Dalian:Dalian University of Technology,2014.] [本文引用: 1]
[47]	杨树. 中国城市居民节能行为及节能消费激励政策影响研究 [D]. 合肥:中国科学技术大学,2015. [本文引用: 1] [Yang S.Chinese Energy Saving Behavior of City Residents and Energy Consumption Incentives Research [D]. Hefei:University of Science & Tech-nology China,2015.] [本文引用: 1]
[48]	王红兵,成金华. 中国财政政策对能源消费影响的动态效应分析 [J]. 中国人口·资源与环境,2008,18(3):156-162. [本文引用: 1] [Wang H B,Cheng J H.Analysis of the dynamic effects of China's fiscal policy on energy consumption [J]. China's Population Resources and Environment,2008,18(3):156-162.] [本文引用: 1]
[49]	林伯强,牟敦国. 能源价格对宏观经济的影响-基于可计算一般均衡价格(CGE)的分析 [J]. 经济研究,2008,(11):88-101. [本文引用: 1]
[1]	彭希哲,朱勤. 我国人口态势与消费模式对碳排放的影响分析 [J]. 人口研究,2010,(1):48-58. [本文引用: 1] [Peng X Z,Zhu Q.Impacts of population dynamics and consumption pattern on carbon emission in China [J]. Population Effect on Carbon Emissions,2010,(1):48-58.] [本文引用: 1]
[2]	Joyeux R,Ripple R D.Household energy consumption versus income and relative standard of living:A panel approach [J]. Energy Policy,2007,35(1):50-60. [本文引用: 1]
[3]	中华人民共和国国家统计局. 统计数据-年度数据 [EB/OL]. (2016-01)[2016-07-07]. URL [本文引用: 2] [National Bureau of Statistics of China. Statistics Data-Year Data [EB/OL].(2016-01)[2016-07-07].URL [本文引用: 2]
[4]	Yildirim E,Saraç Ş,Aslan A.Energy consumption and economic growth in the USA:Evidence from renewable energy [J]. Renewable and Sustainable Energy Reviews,2012,16(9):6770-6774. [本文引用: 1]
[5]	Streimikiene D,Kasperowicz R.Review of economic growth and energy consumption:A panel cointegration analysis for EU countries [J]. Renewable and Sustainable Energy Reviews,2016,59:1545-1549.
[6]	张伟,张金锁,袁显平. 工业化、经济增长与能源消费-基于中国分省面板数据的实证分析 [J]. 统计与信息论坛,2012,27(1):60-66. [本文引用: 2] [Zhang W,Zhang J S,Yuan X P.The industrialization,energy consumption and economic growth-an empirical analysis based on provincial panel data Chinese [J]. Statistics and Information Forum,2012,27(1):60-66.] [本文引用: 2]
[7]	罗光华,牛叔文. 气候变化、收入增长和能源消耗之间的关联分析-基于面板数据的省际居民生活能源消耗实证研究 [J]. 干旱区资源与环境,2012,26(2):20-24. [本文引用: 1] [Luo G H,Nu S W.The relationship between energy consumption,income growth and climate change-based on the inter-provincial panel data of resi-dential energy consumption [J]. Panel Data of Provincial Residents Living Energy,2012,26(2):20-24.] [本文引用: 1]
[8]	纪广月. 基于面板数据模型的人口城镇化与能源消费关系的实证研究 [J]. 数学的实践与认识,2014,(16):97-102. [本文引用: 1] [Ji G Y.An empirical study of population urbanization and energy con-sumption based on panel data model [J]. Mathematics in Practice & Theory,2014,(16):97-102.] [本文引用: 1]
[9]	Al-mulali U,Fereidouni H G,Lee J Y M,et al. Exploring the relationship between urbanization,energy consumption,and CO₂ emission in MENA countries [J]. Renewable and Sustainable Energy Reviews,2013,23(4):107-112.
[10]	Sun C,Ouyang X,Cai H,et al. Household pathway selection of energy consumption during urbanization process in China [J]. Energy Conversion and Management,2014,84:295-304. [本文引用: 1]
[11]	Zhou K,Yang S.Understanding household energy consumption behavior:The contribution of energy big data analytics [J]. Renew-able and Sustainable Energy Reviews,2016,56(4):810-819. [本文引用: 1]
[12]	Chatterton T J,Anable J,Barnes J,et al. Mapping household direct energy consumption in the United Kingdom to provide a new perspective on energy justice [J]. Energy Research & Social Science,2016,18(8):71-87. [本文引用: 1]
[13]	Ren Z,Chan W Y,Wang X,et al. An integrated approach to modelling end-use energy and water consumption of Australian households [J]. Sustainable Cities and Society,2016,26:344-353. [本文引用: 1]
[14]	Bin S,Dowlatabadi H.Consumer lifestyle approach to US energy use and the related CO₂ emissions [J]. Energy Policy,2005,33(2):197-208. [本文引用: 1]
[15]	Yun G Y,Steemers K.Behavioural,physical and socio-economic factors in household cooling energy consumption [J]. Applied Energy,2011,88(6):2191-2200. [本文引用: 1]
[16]	Du G,Sun C W,Fang Z N.Evaluating the Atkinson index of household energy consumption in China [J]. Renewable and Sustainable Energy Reviews,2015,51(11):1080-1087. [本文引用: 1]
[17]	Kelly S.Do homes that are more energy efficient consume less energy? A structural equation model of the English residential sector [J]. Energy,2011,36(9):5610-5620. [本文引用: 1]
[18]	Black J S,Stern P C,Elworth J T.Personal and contextual influences on household energy adaptations [J]. Journal of Applied Psychology,1985,70(1):3-21. [本文引用: 1]
[19]	贺仁飞,牛叔文,贾艳琴,等. 人均生活能源消费、收入和碳排放的面板数据分析 [J]. 资源科学,2012,34(6):1142-1151. [本文引用: 1] [He R F,Nu S W,Jia Y Q,et al. Panel data analysis of per capita household energy consumption,income and carbon emissions [J]. Resources Science,2012,34(6):1142-1151.] [本文引用: 1]
[20]	王文蝶,牛叔文,齐敬辉,等. 中国城镇化进程中生活能源消费与收入的关联及其空间差异分析 [J]. 资源科学,2014,36(7):1434-1441. [本文引用: 1] [Wang W D,Nu S W,Qi J H,et al. The correlation and spatial differences between residential energy consumption and income in China [J]. Resources Science,2014,36(7):1434-1441.] [本文引用: 1]
[21]	陈迅,袁海蔚. 中国生活能源消费行为影响因素的实证研究 [J]. 消费经济,2008,(5):47-50. [本文引用: 4] [Chen X,Yuan H Y.An empirical study on the influencing factors of China's energy consumption behavior [J]. Consumer Economy,2008,(5):47-50.] [本文引用: 4]
[22]	Nesbakken R.Price sensitivity of residential energy consumption in Norway [J]. Energy Economics,1999,21(6):493-515. [本文引用: 1]
[23]	Lopes L,Hokoi S,Miura H,et al. Energy efficiency and energy savings in Japanese residential buildings-research methodology and surveyed results [J]. Energy and Buildings,2005,37(7):698-706. [本文引用: 1]
[24]	Wu X,Lampietti J,Meyer A S.Coping with the cold:Space heating and the urban poor in developing countries [J]. Energy Economics,2004,26(3):345-357. [本文引用: 1]
[25]	张志柏. 中国能源消费因果关系分析 [J]. 财贸研究,2008,19(3):15-21. [本文引用: 1] [Zhang Z B.Causal analysis of Chinese energy consumption [J]. Chinese Research,2008,19(3):15-21.] [本文引用: 1]
[26]	Anker-Nilssen P.Household energy use and the environment-a conflicting issue [J]. Applied Energy,2003,76(1):189-196. [本文引用: 1]
[27]	Abrahamse W,Steg L,Vlek C,et al. A review of intervention studies aimed at household energy conservation [J]. Journal of Environmental Psychology,2005,25(3):273-291. [本文引用: 1]
[28]	Steg L.Promoting household energy conservation [J]. Energy Policy,2008,36(12):4449-4453. [本文引用: 1]
[29]	Yu B,Tian Y,Zhang J.A dynamic active energy demand management system for evaluating the effect of policy scheme on household energy consumption behavior [J]. Energy,2015,91(11):491-506. [本文引用: 1]
[30]	郭琪,樊丽明. 城市家庭节能措施选择偏好的联合分析-对山东省济南市居民的抽样调查 [J]. 中国人口·资源与环境,2007,17(3):149-153. [本文引用: 1] [Guo Q,Fan L M.Analysis of joint energy saving measures of city family preferences on a sample survey in Shandong province Ji'nan city residents [J]. Chinese,Population Resources and Environment,2007,17(3):149-153.] [本文引用: 1]
[31]	焦有梅,白慧仁,蔡飞. 山西城乡居民生活节能潜力与途径分析 [J]. 山西能源与节能,2009,(2):61-63. [本文引用: 1] [Jiao Y M,Bai H R,Cai F.Shanxi urban and rural residents and ways of energy saving potential of energy and energy saving analysis [J]. Shanxi Energy and Conservation,2009,(2):61-63.] [本文引用: 1]
[32]	姜百臣. 消费需求系统模型的理论约束与实证应用探讨 [J]. 经济评论,2007,(6):93-96. [本文引用: 2] [Jang B C.Discussion on the theory and empirical application of constrained consumer demand sys-tem model [J]. Economic Review,2007,(6):93-96.] [本文引用: 2]
[33]	Cameron T.A nested logit model of energy conservation activities by owners of existing single family dwellings [J]. Review of Eco-nomies and Statistics,1985,6(2):205-211. [本文引用: 1]
[34]	郭琪. 公众节能行为的经济分析及政策研究 [D]. 济南:山东大学,2007. [Guo Q.Economic Analysis and Policy Research on the Behavior of Public Energy Conservation [D]. Ji'nan:Shandong University,2007.]
[35]	Bertrand M,Karlan D,Mullainathan S,et al. What’s advertising content worth? Evidence from a consumer credit marketing field experiment [J]. The Quarterly Journal of Economics,2010,125(1):263-306.
[36]	芈凌云. 城市居民低碳化能源消费行为及政策引导研究[D] . 徐州:中国矿业大学,2011. [本文引用: 1] [Mi L Y.Energy Consumption Behavior and Low-Carbon City Residents to Guide Policy Research [D]. Xuzhou:China University of Mining and Technology,2011.] [本文引用: 1]
[37]	高铁梅. 计量经济分析方法与建模-EViews应用及实例(第二版)[M]. 北京:清华大学出版社,2009. [本文引用: 2] [Gao T M.Application of Econometric Methods and Examples and Modeling of an EViews (Second Edition)[M]. Beijing:Tsinghua University press,2009.] [本文引用: 2]
[49]	[Lin B Q,Mou D G.The impact of energy price increases on macro-economy:An analyses based on CGE method [J]. Economic Research,2008,(11):88-101.] [本文引用: 1]
[38]	Pedroni P.Critical values for cointegration tests in heterogeneous panels with multiple regressors [J]. Oxford Bulletin of Economics and Statistics,1999,61(S1):653-678. [本文引用: 1]

中国城镇居民生活能源消费影响因素及其效应分析——基于八区域的静态面板数据模型

本站小编 Free考研考试/2021-12-29

Factors affecting Chinese urban household energy consumption and spatial differences based on static panel data modelling for eight regions

1 引言